问题标签 [hclust]

我有一个包含 500K 观察值的大型矩阵，可以使用层次聚类进行聚类。由于体积大，我没有计算距离矩阵的计算能力。

为了克服这个问题，我选择聚合我的矩阵来合并那些相同的观察值，从而将我的矩阵减少到大约 10K 观察值。我有这个聚合矩阵中每一行的频率。我现在需要将此频率作为权重合并到我的层次聚类中。

数据是 500K 观测值的数值和分类变量的混合体，因此我使用 daisy 包来计算聚合数据集的 gower 差异。我想在聚合数据集的 stats 包中使用 hclust 但是我想考虑每个观察的频率。从 hclust 的帮助信息中，参数如下：

members 参数的信息是：、NULL 或长度为 d 的向量。请参阅“详细信息”部分。当您查看详细信息部分时，您会得到： If members != NULL, thend被认为是集群之间的相异矩阵，而不是单例和成员之间的相异矩阵，给出了每个集群的观察次数。这样，层次聚类算法可以“在树状图的中间开始”，例如，为了重建切割上方的树部分（参见示例）。仅对于有限数量的距离/链接组合，可以有效地计算集群之间的差异（即，没有 hclust 本身），最简单的一种是平方欧几里得距离和质心链接。在这种情况下，聚类之间的差异是聚类均值之间的平方欧几里得距离。

从上面的描述中，我不确定我是否可以将我的频率权重分配给成员参数，因为不清楚这是否是这个参数的目的。我想这样使用它：

哪里df$freq是聚合矩阵中每一行的频率。因此，如果一行重复 10 次，则该值将是 10。

如果有人可以帮助我，那就太好了，

谢谢

我有一个文件，其值如下所示

我想要实现的是使用 hclust 和 dist 方法来查看数据的趋势，我试图基本上做一些问题中显示的事情，来自 Sandipan dey的 SO ps 回答

我无法理解，因为问题中没有显示数据，我想绘制的是

1. x: xaxis 我的样本名称 (s1,s2,s3,s4,s5)

2. y 轴 zscore 和

3. 代表每个基因名的每一行

4. 每个集群的 facet_wrap，我可以在其中看到哪个集群可以提供良好的清晰聚类或样本分离

编辑

根据回答

我的代码版本

当我尝试这个

在具有 16gb ram R studio 的 Mac 上冻结

我有一个包含近 2000 个样本的 hclust 树。我已将其切割成适当数量的簇，并希望绘制树状图，但以切割簇的高度结束，而不是一直到每一片叶子。每个绘图指南都是关于通过集群或绘制一个框来为所有叶子着色，但似乎没有什么能让切割线下方的叶子完全消失。

我的完整树状图如下所示：

我想绘制它，就好像它在我在这里绘制 abline 的地方停止（例如）：

我想做的是在一些组合数据中定义分组的 ANOSIM，以查看分组是否彼此显着不同，以与此示例代码类似的方式：

然而，在我自己的数据中，我在 bray-curtis 矩阵中拥有物种丰度，并且在创建 hclust() 图表并通过查看树状图并设置高度来直观地创建自己的分组之后。然后我可以通过 cutree() 获得这些可以叠加在 MDS 图等上的分组，但我想检查我创建的分组之间相似性的重要性 - 即分组是显着不同还是只是任意分组？

例如

然后我想使用 c1 定义的类别作为分组，在给出的示例代码中是管理因素，并通过 anosim() 测试它们的相似性以查看它们是否真的不同。

我很确定这只是我无能的编码问题....任何建议将不胜感激。

我正在尝试控制树状图的顺序和颜色。显然，树状图的重点是按相似性排序，但在分支中，我想设置一个有意义的顺序（字母数字）。

我的数据标签是文本，但它们确实在变量中列出了固定顺序

1）我想找到一个根据site_order分支内对树状图进行排序的解决方案。

例如 A1,B1,A2,C1,C2,D2,A3,B2,B3,C3

我还想使用site_type 例如（A=红色圆圈，B=蓝色正方形，C=绿色三角形，D=黄色十字） 对标签进行着色和形状

这可能吗？

我正在尝试进行一些分组并遇到此错误。

Evaluation error: the 'height' component of 'tree' is not sorted (increasingly).

我的输入是：

但是当我尝试剪切它时，它给了我一个错误：

但是如果我使用

一切正常。

我一直在寻找解决方案，但找不到。我应该怎么做，以防止这种情况发生并保持工作？

我还注意到，如果我有相同的距离矩阵，但是是手动生成的（所以集群中没有距离参数。

嗨，所以我正在尝试绘制我的集合数据的 nmds，该集合数据位于 R 中的 bray-curtis 相异矩阵中。我已经能够应用 ordielipse()、ordihull()，甚至可以根据 cutree 创建的组因子更改颜色() 的 hclst()

例如，使用 vegan 包中的沙丘数据

甚至只是通过cutree为点着色

然而，我真正想做的是使用 SIMPROF 函数，使用包“clustsig”，然后根据重要的分组为点着色——这更像是一种技术编码语言——我相信有一种方法可以创建一个字符串因素，但我相信有更有效的方法来做到这一点

到目前为止，这是我的代码：

现在我只是不确定下一步如何使用 SIMPROF 定义的分组来绘制 nmds - 我如何使 SIMPROF 结果成为一个因子字符串，而无需自己亲自输入它？

提前致谢。

我想R function根据给定的树状图对象、指定的簇数和颜色向量为树状图中的分支着色。我想使用base R而不是dendextend.

使用此答案中的确切代码：https ://stackoverflow.com/a/18036096/7064628到类似问题：

在上面的代码中，您必须手动选择分支来重新着色它们。我想要一个函数来找到k最高的分支并为它们（以及它们的所有子分支）改变颜色。到目前为止，我尝试迭代地搜索最高的子分支，但这似乎是不必要的困难。如果有一种方法可以提取所有分支的高度，找到k最高点，然后更改edgePar每个分支的高度，那就太棒了。

我有一个数据集，其中包含一些属于 4 种不同基因型的小鼠的每日饮水量。我正在尝试编写一个脚本，以便使用层次聚类分析根据它们的摄水模式对这些动物进行分类，然后创建一个纵向图，绘制每个聚类在几天内的平均摄水量。

为此，我首先创建分层集群集群，如下所示：

然后我使用 cutree 函数来评估哪个动物属于哪个组，以绘制每组的平均饮水量。

问题是我从分层集群获得的数字与 cutree 函数分配的数字之间存在不一致。虽然集群正在从 1 到 4 对分支进行自下而上的排序，但 cutree 函数正在使用我不熟悉的其他一些排序参数。因此，聚类图中的标签和摄入图表中的标签不匹配。

我是编码的初学者，所以可以肯定我使用了太多的冗余行和循环，所以我的代码可以缩短，但如果你们能帮助我解决这个具体问题，我会很高兴。

数据集

簇：

进气图

我已经对一个大型数据集进行了聚类，并发现了 6 个我有兴趣进行更深入分析的聚类。

我找到了使用带有“ward.D”方法的 hclust 的集群，我想知道是否有办法从 hclust/dendrogram 对象中获取“子树”。

例如

我曾经cutree获取数据集中每一行的标签。

我知道我可以通过以下方式获取每个相应集群（例如集群 1）的数据：

是否有任何简单的方法来获取由返回的每个相应标签的子树dendextend::cutree？例如，假设我有兴趣获得

我知道我可以访问树状图的分​​支，执行类似的操作

但是我怎样才能得到与集群 1 相对应的子树呢？

我努力了

但这当然行不通。那么如何根据 cutree 返回的标签获取子树呢？